[Zero to Mastery] 2022 年 TensorFlow 开发者证书：从零到精通 | TensorFlow Developer Certificate in 2022: Zero to Mastery

2022 年 TensorFlow 开发者证书：从零到精通

TensorFlow Developer Certificate in 2022: Zero to Mastery

通过 Google 的 TensorFlow 开发者认证考试。成为人工智能、机器学习和深度学习专家！

您将学到什么 学习

通过 Google 的官方 TensorFlow 开发人员证书考试（并将其添加到您的简历中）
使用计算机视觉、卷积神经网络和自然语言处理构建 TensorFlow 模型
完全访问所有交互式笔记本和所有课程幻灯片作为可下载指南
增加您在机器学习和深度学习方面的技能，通过 TensorFlow 评估考试来测试您的能力
了解如何将机器学习集成到工具和应用程序
中 学习使用最新的 TensorFlow 2 构建所有类型的机器学习模型
构建图像识别、对象检测、文本具有深度神经网络和卷积神经网络的识别算法
使用不同形状和大小的真实图像通过卷积可视化图像的旅程，以了解计算机如何“看到”信息、绘图损失和准确性
将深度学习应用于时间序列预测
获得成为 TensorFlow 认证所需的技能开发人员
被公认为招聘 TensorFlow 开发人员的首选候选人

要求

Mac / Windows / Linux – 本课程适用于所有操作系统！
不需要以前的 TensorFlow 知识。对机器学习的基本了解很有帮助

说明

刚刚推出了使用 TensorFlow 并通过 TensorFlow 开发人员证书考试的所有现代最佳实践！加入由超过 500,000 名学生组成的实时在线社区和由 TensorFlow 认证专家教授的课程。本课程将带您从 TensorFlow 的绝对初学者到成为 Google TensorFlow 认证网络的一员。

根据 2021 年的统计数据，TensorFlow 专家的年收入高达 204,000 美元，平均工资徘徊在 148,000 美元左右。通过 Google 官方认可的此证书，您将加入不断发展的机器学习行业并成为收入最高的 TensorFlow 开发人员！如果您通过考试，您还将成为 Google TensorFlow 开发者网络的一员，招聘人员可以在该网络中找到您。

本课程的目标是教您通过考试并获得 Google 的 TensorFlow 认证所需的所有技能，以便您可以将其展示在您的简历、LinkedIn、Github 和其他社交媒体平台上，真正让您站稳脚跟出去。

这是我们将教授的所有内容的完整课程细分（是的，它非常全面，但不要害怕，因为我们将从头开始教您所有内容！）

本课程将非常实用且基于项目。您不仅会盯着我们教书，还会实际进行实验、做练习，并构建机器学习模型和项目来模拟现实生活场景。最重要的是，我们将向您展示 TensorFlow 考试对您的影响。最终，您将掌握开发大型科技公司遇到的现代深度学习解决方案所需的技能。

0 — TensorFlow 基础知识

张量简介（创建张量）

从张量获取信息（张量属性）

操纵张量（张量操作）

张量和 NumPy

使用 @tf.function（一种加速常规 Python 函数的方法）

将 GPU 与 TensorFlow 结合使用

1 — 使用 TensorFlow 的神经网络回归

构建具有多层的 TensorFlow 顺序模型

准备用于机器学习模型的数据

学习构成深度学习模型的不同组件（损失函数、架构、优化函数）

学习如何诊断回归问题（预测数字）并为其构建神经网络

2 – 使用 TensorFlow 进行神经网络分类

学习如何诊断分类问题（预测某事是一件事还是另一件事）

使用 TensorFlow 构建、编译和训练机器学习分类模型

为二元和多类分类构建和训练模型

相互绘制建模性能指标

匹配输入（训练数据形状）和输出形状（预测数据目标）

3 — 使用 TensorFlow 的计算机视觉和卷积神经网络

使用 Conv2D 和池化层构建卷积神经网络

了解如何诊断不同类型的计算机视觉问题

学习如何构建计算机视觉神经网络

了解如何将真实世界的图像与您的计算机视觉模型一起使用

4 — 使用 TensorFlow 进行迁移学习第 1 部分：特征提取

了解如何使用预训练模型从您自己的数据中提取特征

了解如何将 TensorFlow Hub 用于预训练模型

了解如何使用 TensorBoard 比较几种不同模型的性能

5 — 使用 TensorFlow 进行迁移学习第 2 部分：微调

了解如何设置和运行多个机器学习实验

了解如何使用数据增强来增加训练数据的多样性

了解如何根据您自己的自定义问题微调预训练模型

了解如何在训练期间使用回调向模型添加功能

6 — 使用 TensorFlow 进行迁移学习第 3 部分：扩大规模（Food Vision mini）

了解如何扩展现有模型

通过找到最错误的预测来了解如何评估您的机器学习模型

仅使用 10% 的数据击败原始的 Food101 论文

7 — 里程碑项目 1：食品愿景

结合您在前 6 个笔记本中学到的所有内容来构建 Food Vision：一个能够对 101 种不同食物进行分类的计算机视觉模型。我们的模型很好地击败了最初的 Food101 论文。

8 — TensorFlow 中的 NLP 基础知识

学会

预处理要与神经网络一起使用的自然语言文本

使用 TensorFlow 创建词嵌入（文本的数字表示）

构建能够进行二元和多类分类的神经网络

RNN（循环神经网络）

LSTM（长短期记忆细胞）

GRU（门控循环单元）

卷积神经网络

了解如何评估您的 NLP 模型

9 — 里程碑项目 2：SkimLit

复制为 PubMed 200k 论文提供动力的模型，以对 PubMed 医学摘要中的不同序列进行分类（这可以帮助研究人员更快地阅读医学摘要）

10 — TensorFlow 中的时间序列基础

学习如何诊断时间序列问题（构建模型以根据跨时间数据进行预测，例如预测明天 AAPL 的股价）

为时间序列神经网络准备数据（特征和标签）

理解和使用不同的时间序列评估方法

MAE——平均绝对误差

使用 TensorFlow 构建时间序列预测模型

RNN（循环神经网络）

CNN（卷积神经网络）

11 — 里程碑项目 3：（惊喜）

如果你已经读到这里，你可能对这门课程感兴趣。最后一个项目会很好……我们向你保证，所以在课程中见;）

TensorFlow 越来越受欢迎，越来越多的职位空缺出现在这种专业知识上。事实上，TensorFlow 在就业市场上的增长速度超过了 PyTorch 等其他流行的机器学习工具。Google、Airbnb、Uber、DeepMind、英特尔、IBM、Twitter 和许多其他公司目前都由 TensorFlow 提供支持。这些大型科技公司使用这项技术是有原因的，您将了解 TensorFlow 为开发人员提供的所有功能。

我们向您保证，这是通过 TensorFlow 开发人员证书以使您有资格成为 TensorFlow 专家的最全面的在线课程。那为什么要等呢？成为 Google 认证开发者，让自己脱颖而出，提升您的职业生涯。

课程内见！

本课程适用于

任何想要通过 TensorFlow 开发人员考试的人，以便他们可以加入 Google 的证书网络，并在他们的简历、GitHub 和包括 LinkedIn 在内的社交媒体平台上展示他们的证书和徽章，从而轻松分享他们的 TensorFlow 专业水平想要通过使用 TensorFlow 构建和训练模型来展示实用机器学习技能的
学生、开发人员和数据科学家
任何希望扩展他们在 AI、机器学习和深度学习方面的知识的
人 任何希望掌握构建 ML 的人使用最新版本 TensorFlow 的模型